冷凍電鏡已成為解析生物大分子結(jié)構(gòu)的最主要技術(shù)之一。在冷凍電鏡密度圖的質(zhì)量評估中，一個關(guān)鍵的指標(biāo)是分辨率，即可以通過一致性測試的最精細(xì)結(jié)構(gòu)細(xì)節(jié)的大小。由于樣品異質(zhì)性和輻射損傷等因素的影響，冷凍電鏡密度圖在不同區(qū)域的分辨率是可以不同的；因此，研究者因此引入了局部分辨率的概念?？焖?、準(zhǔn)確、有效地評估冷凍電鏡密度圖的局部分辨率可以為三維重構(gòu)和下游結(jié)構(gòu)分析提供指導(dǎo)。目前可用的局部分辨率估計方法存在一些限制，比如需要人工進(jìn)行參數(shù)調(diào)整、耗時較長，以及在某些情況下需要以半折密度圖（half map）作為輸入，無法對單個密度圖估計局部分辨率等。

清華大學(xué)生命科學(xué)學(xué)院/結(jié)構(gòu)生物學(xué)高精尖創(chuàng)新中心/清華-北大生命科學(xué)聯(lián)合中心張強(qiáng)鋒副教授課題組在《分子生物學(xué)》（Journal of Molecular Biology）雜志在線發(fā)表題為“CryoRes：通過深度學(xué)習(xí)對冷凍電鏡密度圖進(jìn)行局部分辨率估計”（CryoRes: Local Resolution Estimation of Cryo-EM Density Maps by Deep Learning）的研究論文。在該研究中，他們開發(fā)了一個基于深度學(xué)習(xí)框架的人工智能算法CryoRes，可以直接從單個冷凍電鏡密度圖中估計出局部分辨率。

CryoRes建立在殘差3D U-Net的架構(gòu)之上，可以在端到端的預(yù)測框架下執(zhí)行精確的局部分辨率估計。通過在1,174個實驗獲得的冷凍電鏡密度圖數(shù)據(jù)上進(jìn)行監(jiān)督式訓(xùn)練，CryoRes學(xué)習(xí)到了密度圖體像素特征與分辨率之間的關(guān)系，從而實現(xiàn)了無需額外輸入直接進(jìn)行局部分辨率的估計。相對于目前廣為使用的基于FSC的方法blocres，CryoRes局部分辨率估計的平均均方根誤差為2.26?，顯著優(yōu)于當(dāng)前最先進(jìn)的分辨率估計方法。此外，CryoRes還能夠為每個密度圖生成大分子表面，其精度比ResMap估計的大分子表面的準(zhǔn)確率高12.12%。此外，相較于其他方法，CryoRes克服了一些限制，例如需要輸入half map或大分子表面的信息，實現(xiàn)了全自動、無參數(shù)、超快速的局部分辨率估計。另外，CryoRes也適用于冷凍電子斷層圖數(shù)據(jù)的局部分辨率估計。CryoRes可在https://cryores.上免費(fèi)使用。

圖：CryoRes框架

清華大學(xué)生命科學(xué)學(xué)院張強(qiáng)鋒副教授和清華大學(xué)生命科學(xué)學(xué)院博士后徐魁為本文通訊作者，清華大學(xué)生命科學(xué)學(xué)院2021級博士生代沐芷為該論文第一作者，2018級博士生董卓爾為該工作做出了重要貢獻(xiàn)。另外，清華大學(xué)生命科學(xué)學(xué)院閆創(chuàng)業(yè)副教授和2021級博士生孔方也為該工作提供了寶貴的意見和幫助。本工作得到國家自然科學(xué)基金、中國博士后科學(xué)基金、清華-北京生命科學(xué)中心博士后基金、北京市結(jié)構(gòu)生物學(xué)高精尖創(chuàng)新中心、清華-北大生命科學(xué)聯(lián)合中心、上海期智研究院的支持。